深度学习面试题

1，

激活函数在神经网络中的作用是什么？

激活函数模拟生物学中的神经元是否应该被激发。它接受输入和偏差的加权和作为任何激活函数的输入。从数学角度讲引入激活函数是为了增加神经网络模型的非线性。Sigmoid、ReLU、Tanh 都是常见的激活函数。

2，反向传播的过程？

3，CNN中常见的层有哪些? 分别是什么作用？

4，简述一下sigmoid函数

5，神经网络中哪些方法可以避免过拟合？

1. Dropout
2. 加L1/L2正则化
3. BatchNormalization
4. 网络bagging
5. 提取终止训练
6. 数据增强

6，绍Batch Normalization的意义

7，你通常使用哪些指标来评估你的模型？这些指标含义？

8，当图像尺寸变为2倍，CNN的参数数量变为几倍？为什么？

9，Yolov4的5个基本组件

1.CBM: Yolov4网络结构中最小的组件，由Conv+Bn+Mish激活函数三者组成
2.CBL：由Conv+Bn+Leaky_relu激活函数三者组成。
3.Res unit: 借鉴Resnet网络中的残差结构，让网络可以构建的更深。
4.CSPX：借鉴CSPNet网络结构，由三个卷积层和 X个Res unit模块Concate组成。
5.SPP: 采用1x1,5x5,9x9,13x13的最大池化的方式，进行多尺度融合。

Mish激活函数，网络后面任然采用Leaky_relu激活函数